共查询到20条相似文献,搜索用时 140 毫秒
1.
2.
合成孔径雷达SAR图像的相干成像特性,不可避免的形成特有的相干斑点噪声,严重影响图像的地物信息提取和分类,需要进行去噪预处理。针对SAR图像斑点噪声的特点,针对SAR图像斑点噪声的特点,对图像进行小波变换分解,提出模糊聚类和软阈值收缩去噪的方法,利用模糊C均值聚类将小波系数分成包含信号能量和只包含斑点噪声能量两大类,对前一类小波系数进行软阈值降噪处理,而对后一类小波系数直接置零。实验结果的目视效果和评价指标均表明,小波模糊聚类和软阈值收缩有效地去除了SAR图像斑点噪声,图像视觉效果清晰,较好地保持地物目标的边缘等图像细节信息,去噪效果优于小波软阈值收缩。 相似文献
3.
针对传统图像去噪算法多噪声去除难,深层卷积神经网络去噪模型网络复杂、训练时间长等问题,提出一种基于自编码器结构的双分支改良编解码网络,实现高效图像去噪。双分支结构之一采用降-升采样实现点噪声消除,另一分支专注于宏观的图像修复和伪像去除,后端利用残差结构进行整合,实现数字图像混合噪声去噪。实验结果显示:对于含有标准差为15,均值为0的高斯噪声、噪声密度为5%的椒盐噪声和散粒噪声的混合噪声图像测试集,实验去噪效果相较于输入混合噪声图像峰值信噪比,平均提升了5.3%。与12层全卷积神经网络相比,去噪效果相当,训练速度提升了25.4%,体现了其“轻量级”的优点。实验表明:该方法相较于深层卷积神经网络,训练速度快,网络简单;相较于传统图像去噪算法,噪声去除效果也较为明显。该算法可应用于轻量级视觉平台后端去噪。 相似文献
4.
提出一种利用小波变换子图像不同的方向特性和峰值信噪比进行奇异值分解的图像去噪算法。由于图像经过小波变换后,低频子图像集中了原图像的大部分能量噪声,故仅作简单维纳滤波;而噪声则主要集中在小波域中的三个不同方向的高频子图中,且系数较小,因此可以利用奇异值分解进行去噪处理,即用较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波;最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像,其中重构所需的奇异值个数由图像的峰值信噪比确定。 实验结果表明,该方法在有效去噪的同时较好的保留了原有的高频细节信息。 相似文献
5.
一种双正则项全变差高光谱图像去噪算法 总被引:2,自引:0,他引:2
受传感器特性影响,高光谱图像中的噪声在各个维度都有体现。噪声的存在降低了高光谱图像中信息的有效性,在进行地物分类前必须采用适当的算法对噪声予以去除。文章针对高光谱图像的噪声特性,提出了一种基于全变差的高光谱图像去噪算法。该算法将经典二维图像全变差去噪模型推广至三维形式,提出了采用双正则项及相应的调整参数的目标函数,在三维空间中完成新目标函数的离散化,并采用基于优化-最小化算法的迭代方法对目标函数进行优化与求解。对星载Hyperion成像光谱仪数据的实验表明,适当的设置调整参数,该方法可很好地提高高光谱图像的各波段信噪比、平滑光谱曲线并保留细节特征,其去噪效果优于经典的MNF去噪算法及Savitzky-Golay滤波方法。 相似文献
6.
高光谱遥感图像微分域三维混合去噪方法 总被引:2,自引:0,他引:2
高光谱遥感图像是一种三维数据,由二维空间信息和一维光谱信息组成。普通的对二维静态图像或一维光谱信息去噪的算法忽视了高光谱图像强烈的谱间相关性和图谱合一的特点,无法取得令人满意的效果。同时现代的高光谱遥感图像噪声级别相对较低,噪声方差随波段不同而不同。针对以上特点,提出一种微分域三维混合去噪方法。首先将高光谱遥感图像变换到光谱微分域,使细微的噪声变得显著。然后在微分域中,对二维空间域采用基于小波的非线性阈值去噪BayesShrink算法。为克服噪声方差不同的特点,对光谱维不再采用小波阈值去噪方法,而采用Savitzky-Golay滤波进行平滑。最后对微分域去噪平滑处理后的图像进行光谱积分,并进行积分修正,消除光谱积分中引入的积累误差。对信噪比为600∶1的机载可见红外成像光谱仪数据(AVIRIS)实验表明,该算法能有效地降低噪声,将信噪比提高到2 000∶1以上。 相似文献
7.
8.
对于实际拍摄的一些图像信噪比低,噪声密度大,且含有混合噪声,而现有算法大多只能去除单一噪声的问题。针对混合噪声中含有的脉冲噪声和高斯噪声,提出基于改进中值滤波和提升小波变换去噪相结合的方法。去噪过程中,使用中值滤波器提取脉冲噪声并采用中值滤波算法滤波后,构造提升小波,采用改进阈值函数提升小波阈值去噪方法去除高斯噪声。实验结果表明,当噪声值(,)=(0.4, 20)时,采用本文去噪方法,峰值信噪比(PSNR)为34.002 1,平均绝对误差(MAE)为2.365 3。 相似文献
9.
利用核模糊聚类和正则化的图像稀疏去噪 总被引:1,自引:0,他引:1
针对目前图像去噪方法噪音抑制不彻底、容易模糊细节等问题,提出了一种利用核模糊C均值聚类和正则化的图像稀疏去噪方法.该方法首先将图像分成大小相同的若干块,并采用核模糊C均值聚类算法对相似的图像块进行聚类,从而保证同一类图像块共享相同的稀疏去噪模型;然后,选择由经典图像库中图像训练而得的全局字典作为初始字典,很好地适应图像的多种特征;接着,对于同一类图像块,通过施加1/2范数正则化约束,实现该类图像块在字典下的稀疏分解,确保分解系数更为稀疏;最后,通过改进的K-奇异值分解算法完成字典的更新,并选择与原稀疏模型差异最大的图像块来替换更新字典的冗余原子,从而有效地去除图像噪音.实验结果表明,与小波扩散去噪法、固定字典去噪法、最优方向去噪法、K-奇异值分解去噪法相比,该方法能更有效地去除图像噪音,保留图像细节,改善图像视觉效果. 相似文献
10.
11.
12.
高频信息矢量匹配实现异源图像配准 总被引:1,自引:0,他引:1
介绍了一种通过提取红外与可见图像高频信息形成矢量模型的方法,该模型可用于可见和红外两种不同波段相同场景图像的配准。分析了红外与可见图像的共同特性,即边缘高频特性,并在作为模板的图像中提取这类高频信息。利用人工干预的方法形成矢量模型,该矢量模型可通过实时姿态信息进行实时三维变换,并重新投影为二维图形,据此可在另一图像中进行特征搜索,达到两者匹配的目的。利用实际数据进行了实验分析,结果显示,利用本文算法提取的矢量模型,经变换后能可靠地实现异源目标自动识别;实验证明此方法有效可行,并可推广应用于各种异源图像间的自动目标识别和配准处理。 相似文献
13.
14.
非局部变分修复法去除高密度椒盐噪声 总被引:1,自引:0,他引:1
分析了中值滤波及其改进型算法在处理高密度椒盐噪声时效果不理想的原因,采用变分修复方法来去除高密度椒盐噪声,基于现有的全变差修复模型提出了非局部全变差修复模型。该模型利用椒盐噪声特点(均匀分布、灰度值为0或255),将噪声点看成是图像中遗失或是破损的点,首先在图像中寻找与噪声点邻域相似的区域,将相似区域的中心像素作为噪声点新的邻域然后对其插值,把图像降噪问题转化为图像修复问题,从而达到去除高密度噪声的目的。实验结果表明:该模型对噪声密度为90%的彩色和灰度图像去噪后,其峰值信噪比为22.85和28.77,在客观评价标准方面优于中值滤波及其改进型算法。该模型能有效去除高密度下的椒盐噪声并较好地恢复图像细节,为图像去除高密度噪声提供了一种新的途径。 相似文献
15.
16.
17.
为在图像处理与分析时具备良好的视觉效果,提高图像处理的速度,需要对ARM架构下计算机图像并行化处理技术进行研究。当前采用的方法是对各种变换频域图像特征提取与计算机图像集合特征的提取进行相结合,克服了当前对图像进行提取时存在图像形状描述的缺陷,提取图像特征向量维数相对较低。实验表明,通过对图像进行特征提取能很好的对图像效果进行展示,将图像的纹理特征进行详细的表述,将该方法应用到图像处理技术当中,具有良好的去噪效果及扩展性,该方法过程简单,但存在图像视觉效果较差的问题。为此,提出一种ARM架构下计算机图像并行化处理技术研究方法。该方法首先利用非局部均值去噪算法对图像进行去噪处理,然后结合图像去噪的结果利用小波变换对去噪图像进行边缘检测,最后采用非线性增强算法对图像进行增强完成对ARM架构下计算机图像并行化处理技术研究。实验结果表明,所提方法不仅提高图像处理速度,还提高图像视觉效果,具有广泛的应用价值。 相似文献
18.
REN Xue-zhi HE Peng LONG Zou-rong GUO Xiao-dong AN Kang LÜ Xiao-jie WEI Biao FENG Peng 《光谱学与光谱分析》2021,41(9):2950-2955
传统CT采用积分式探测器采集投影数据,反映的是物体的平均衰减特性,会在一定程度上造成信息损失,无法对物体进行较好的定性定量测量。基于光子计数探测器的能谱CT通过设定多个能量响应阈值能够探测不同能量范围内的X射线光子,采集更多被测物体的物质组成信息,有助于识别不同物理特性的材料,基于此,能谱CT被广泛的应用于小病灶、低对比度结构以及微细结构的成像。然而将整个能谱划分为多个能量段进行数据采集时,范围较窄能量范围内的有效光子数比例相对降低,导致图像中包含较多的噪声,图像质量较差,影响能谱CT的临床应用。为了有效的抑制能谱CT不同能量段内重建图像中的噪声,提出了一种基于深度学习的能谱CT图像降噪方法。我们将全卷积网络和金字塔残差网络结合为全卷积金字塔残差网络(FCPRN),实验中,利用能谱CT在不同的能量范围扫描小鼠样本,使用FDK算法和基于压缩感知的Split-Bregman算法进行重建并分别作为训练数据和标签数据训练全卷积金字塔残差网络。为了验证网络的降噪性能,选取了常见的降噪网络模型denoising convolutional neural networks(DNCN)以及residual encoder decoder convolutional neural network (REDCNN)进行对比,训练三种网络的使用的数据和实验配置都是完全相同的,实验结果表明训练模型可以有效抑制不同能量范围内重建图像的噪声,且使用的全卷积金字塔残差网络的降噪性能优于其他网络模型。模型训练好后,可以对FDK算法重建出的图像进行降噪,由此提高能谱CT图像降噪效率,保证能谱CT重建图像的质量。 相似文献
19.
为估算匀速直线运动模糊图像的运动参数,提出了一种基于相位相关分析的图像配准方法。该方法利用傅里叶变换的平移特性,对产生平移的目标图像进行傅里叶变换并计算归一化互功率谱,其傅里叶逆变换对应二维脉冲函数,通过计算脉冲函数峰值坐标获取位移图像之间的亚像元级位移量。结合相位相关配准原理和线性空间不变退化模型,给出了匀速直线运动点扩散函数及其光学传递函数的数学描述;讨论了匀速直线运动模糊对相位相关配准结果的影响,证明了图像经过匀速直线运动退化后,位移图像之间归一化互功率谱具有不变性。实验结果表明:动态运动模糊图像最大检测误差为0.489 pixel,标准差为0.16 pixel。 相似文献